基准测试表现
| 基准 | 得分 | 单位 | 评测日期 | 备注 | 来源 |
|---|
| MMLU | 55.9 | % | 2023-01-12 | 5-shot | 查看 |
| HUMANEVAL | 39.7 | pass@1 | 2023-01-12 | — | 查看 |
| GSM8K | 33.2 | % | 2023-01-12 | 0-shot CoT | 查看 |
| MATH | 20.3 | % | 2023-01-12 | 0-shot CoT | 查看 |
| BBH | 51.8 | % | 2023-01-12 | 3-shot CoT | 查看 |
| GPQA | 25.7 | % | 2023-01-12 | 0-shot | 查看 |
| IFEVAL | 49.8 | % | 2023-01-12 | prompt_strict | 查看 |
| ARC | 86 | % | 2023-01-12 | challenge | 查看 |
| MUSR | 32.3 | % | 2023-01-12 | 0-shot | 查看 |
| WINOGRANDE | 67.1 | % | 2023-01-12 | 0-shot | 查看 |
合规性
- 数据驻留: self-host
- SOC2: ✗
- HIPAA: ✗
- GDPR: ✗
- ISO 27001: ✗
Jurassic-2 Mid
模型概述
AI21 Labs Jurassic-2 Mid 中型模型, 8K 上下文, 多语言文本生成, 适合企业级内容创作。
核心规格
| 厂商 | 版本 | 发布日期 | 上下文窗口 | 输入模态 | 输出模态 | 许可证 |
|---|
| Other | j2-mid | 2023-01-12 | 8K | text | text | Proprietary |
基准测试表现
| 基准 | 得分 | 单位 | 备注 |
|---|
| MMLU (Massive Multitask Language Understanding) | 55.9 | % | 5-shot |
| HumanEval | 39.7 | pass@1 | — |
| GSM8K (Grade School Math 8K) | 33.2 | % | 0-shot CoT |
| MATH | 20.3 | % | 0-shot CoT |
| BBH (BIG-Bench Hard) | 51.8 | % | 3-shot CoT |
| GPQA | 25.7 | % | 0-shot |
| IFEval | 49.8 | % | prompt_strict |
| ARC | 86.0 | % | challenge |
| MUSR | 32.3 | % | 0-shot |
| WinoGrande | 67.1 | % | 0-shot |
定价
每百万 token
优势
劣势
- MMLU 仅 55.9，知识推理偏弱。
- HumanEval 39.7，代码能力较弱。
- 闭源专有模型，不支持自托管。
- 上下文窗口 8K 偏小。
适用场景
参考文献